-
公开(公告)号：CN118273221A
公开(公告)日：2024-07-02
申请号：CN202410501772.7
申请日：2024-04-25
Applicant: 北京市建筑设计研究院股份有限公司 , 东南大学
IPC: E01D19/04 , E01B19/00 , E01D101/30
Abstract: 本发明公开了一种新型振震双控装置，包括上支座板、上部钢滑块、下部钢滑块以及下支座板；其中，所述上部钢滑块内部开孔槽，所述下部钢滑块内部开孔槽；所述上部钢滑块和所述下部钢滑块的孔槽内放置竖向隔振单元；上部钢滑块和下部钢滑块之间卡扣槽式连接形成整体滑块单元。水平地震作用下，本发明的上下滑块在压力作用下通过卡扣式连接可整体在上下盖板上滑动，属于摩擦摆隔震特性，能有效隔离水平地震能量，降低上部结构的地震反应。本发明的竖向隔振单元可根据具体工程实际进行灵活多变的设计，实现正常工作状态的竖向隔振功能，且由于柱体空间对竖向隔振单元的水平限位约束，竖向隔振单元的水平向失稳问题得到解决。而通过合理的设置卡扣之间的竖向间隙距离，可实现对微振动的不接触，对大地震下的过大变形时卡扣竖向接触增大装置的竖向刚度减小整体结构的摇摆幅度。
-
公开(公告)号：CN118346312A
公开(公告)日：2024-07-16
申请号：CN202410403520.0
申请日：2024-04-03
Applicant: 北京市建筑设计研究院股份有限公司
Abstract: 本发明公开了一种隧道加固装置及隧道加固方法，隧道加固装置包括：支撑梁，支撑梁用于连接隧道的内壁；预制板，预制板设于支撑梁背离内壁的一侧，预制板上设有混凝土空间，混凝土空间用于填充混凝土，混凝土与预制板共同构造出加固隧道的加固层。本发明通过设置预先成型的预制板与混凝土共同构造出加固隧道的加固层，预制板无需拆除，相比较相关技术中架设拱形模的方案，本发明实施例中预制板无需拆除，减少了工作量，提高了效率。
-
公开(公告)号：CN119145668A
公开(公告)日：2024-12-17
申请号：CN202411229518.2
申请日：2024-09-03
Applicant: 北京市建筑设计研究院股份有限公司
IPC: E04G23/02
Abstract: 本发明公开了一种加固结构和建筑物的加固方法，加固结构用于建筑物的加固，加固结构包括：加强筋，所述加强筋的一端用于由所述建筑物外伸入内墙开设的孔洞内，且所述加强筋的一端沿所述内墙的长度方向向下倾斜延伸，所述加强筋的另一端位于所述建筑物外；灌浆料，所述灌浆料灌注于所述孔洞内；结构柱，所述结构柱设于所述建筑物外并包裹所述加强筋的另一端，所述加强筋的另一端弯锚至所述结构柱远离所述内墙的一侧边缘。根据本发明实施例的加固结构，能够实现对建筑物的加固功能，且能够做到不入户施工，施工扰动较小，利于实现住户在施工完成后对原建筑物内结构的正常使用，同时无需占用原建筑物的室内使用空间，住户满意度较高。
-
公开(公告)号：CN119041730A
公开(公告)日：2024-11-29
申请号：CN202411229520.X
申请日：2024-09-03
Applicant: 北京市建筑设计研究院股份有限公司
IPC: E04G23/02
Abstract: 本发明公开了一种加固结构和建筑物的加固方法，加固结构用于建筑物的加固，加固结构包括：加强筋，加强筋的一端用于由建筑物外伸入内墙开设的第一孔洞内，加强筋的一端沿内墙的长度方向向下倾斜延伸，加强筋的另一端位于建筑物外；第一灌浆料，第一灌浆料灌注于第一孔洞内；结构柱，结构柱设于建筑物外，加强筋的另一端穿设于结构柱且端部伸出结构柱，端部用于在制造结构柱的过程中向加强筋施加拉力。根据本发明实施例的加固结构，能够实现对建筑物的加固功能，且能够做到不入户施工，施工扰动较小，利于实现住户在施工完成后对原建筑物内结构的正常使用，同时无需占用原建筑物的室内使用空间，住户满意度较高。
-
公开(公告)号：CN119416683A
公开(公告)日：2025-02-11
申请号：CN202411276475.3
申请日：2024-09-12
Applicant: 东南大学
IPC: G06F30/28 , G06Q30/018 , G06Q50/26 , G06F16/21 , G06F16/2458 , G06F16/29 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于数值模拟和降阶模型的反演碳排放强度和溯源的方法及系统，所述方法包括：构建全尺寸三维地图；根据地图信息和已知环境状况进行污染物扩散的数值模拟；通过本征正交分解法对模拟数据进行降阶；基于降阶模型建立多工况变环境下的碳排放仿真数据库；实时实地测量二氧化碳浓度和气象数据，以仿真数据库作为补充，采用源项估计方法、粒子群算法等推算已知排放源的强度、未知排放源的强度和位置。本发明能够实现有限区域的全尺寸还原和高精度小尺度的碳排放监控，根据少量现场实测的数据进行有效的排放源溯源、强度分析和潜在排放源预测等。
-
Patent Agency Ranking
公开(公告)号：CN114897939B
公开(公告)日：2024-12-10
申请号：CN202210599934.6
申请日：2022-05-26
Applicant: 东南大学
Abstract: 本发明公开了基于深度路径聚合网络的多目标跟踪方法及系统。以深度路径聚合网络为框架，首先输入大量外部视频数据训练网络以生成目标中心热图、目标中心偏移量、预测框大小，同时提取目标的re‑ID特征；然后根据目标位置信息生成预测框，将检测到的物体以矩形框的形式标注出来；随后计算视频某一帧及前一帧中的所有被检测物体的re‑ID特征向量的余弦距离和预测框的IoU，将当前帧中的所有物体连接到现有的轨迹中。最后通过卡尔曼滤波算法进一步估计所有目标在当前帧中的位置。本发明采用自下而上的特征融合层来提取目标空间特征信息，缩短了底层和顶层特征之间的信息路径，使得跟踪器具有更高的跟踪精度和具有实时跟踪速度快的优点。
-
公开(公告)号：CN114282314B
公开(公告)日：2024-10-18
申请号：CN202111366814.3
申请日：2021-11-18
Applicant: 国能承德热电有限公司 , 东南大学
IPC: G06F30/17 , G06F30/28 , G06F111/10 , G06F113/08 , G06F113/14 , G06F119/14
Abstract: 本发明涉及一种风道模型交互式系统，包括用户交互模块、数据接入模块、风道组件库、风道编译模块、风道计算模块和配风优化模块。还涉及一种风道流量计算及均衡优化方法。风道编译模块根据用户交互模块输入对象锅炉的风道结构数据调取风道组件库中相应部件的三维模型和阻力特征，构建风道整体三维模型，同时将阻力特征编译成风道整体阻力计算模型，将数据接入模块传入的风机风量与风门挡板开度等关键运行数据转化为边界条件。风道计算模块接受风道整体阻力计算模型结合边界条件，计算当前工况下各配风口风量和风速数据。配风优化模块以配风均衡性为目标给出各配风口挡板开度优化建议。本发明实现了不同工况下风道精确均衡配风，保证燃烧安全。
-
公开(公告)号：CN107094290B
公开(公告)日：2023-04-07
申请号：CN201710327980.X
申请日：2017-05-10
Applicant: 东南大学 , 南京矽志微电子有限公司
Abstract: 本发明提出了一种基于自熄式超再生接收机的无线室内定位系统及定位方法，所述系统包括定位装置、三个基站和控制终端，其中，定位装置安装在待寻物体上，响应于控制终端的激活信号持续发射射频信号；三个基站接收射频信号，利用超再生接收机的自熄灭频率与距离之间的映射关系，将检测到的自熄灭频率转换为距离并发送给控制终端；控制终端根据距离和各基站在室内的坐标，利用多节点定位算法计算出待寻物体的坐标，从而实现定位。本发明在室内可以达到较高的定位精度，设计线路简单、研制成本低、功耗低、灵敏度高、体积小、适用性高，受外界环境的影响较小，且不依赖于Wi‑Fi网络，可以独立组成一套最小定位系统，也可以集成到其他系统内。
-
公开(公告)号：CN114897939A
公开(公告)日：2022-08-12
申请号：CN202210599934.6
申请日：2022-05-26
Applicant: 东南大学
Abstract: 本发明公开了基于深度路径聚合网络的多目标跟踪方法及系统。以深度路径聚合网络为框架，首先输入大量外部视频数据训练网络以生成目标中心热图、目标中心偏移量、预测框大小，同时提取目标的re‑ID特征；然后根据目标位置信息生成预测框，将检测到的物体以矩形框的形式标注出来；随后计算视频某一帧及前一帧中的所有被检测物体的re‑ID特征向量的余弦距离和预测框的IoU，将当前帧中的所有物体连接到现有的轨迹中。最后通过卡尔曼滤波算法进一步估计所有目标在当前帧中的位置。本发明采用自下而上的特征融合层来提取目标空间特征信息，缩短了底层和顶层特征之间的信息路径，使得跟踪器具有更高的跟踪精度和具有实时跟踪速度快的优点。
-
公开(公告)号：CN114897008A
公开(公告)日：2022-08-12
申请号：CN202210454733.7
申请日：2022-04-27
Applicant: 东南大学 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了基于机器学习与卡尔曼滤波的微弱次同步振荡辨识方法，涉及电力系统稳定及控制技术领域，包括神经网络模型与卡尔曼滤波模型两部分：神经网络模型负责从原始振荡信号中提取每个次同步振荡分量的预估计振荡频率；卡尔曼滤波模型使用机器学习模型输出结果作为初始参数值，从总的原始信号中提取出相应的次同步振荡分量，基于输出结果，依据数值计算公式计算得出次同步振荡信号各次同步振荡分量的频率、幅值、阻尼比等振荡参数；具有优异的抗噪性，并解决了传统卡尔曼滤波方法难以直接应用于次同步振荡辨识的难题，且相比于常规机器学习算法拥有更好的模型可解释性，相比于传统方法拥有更好的实时性，适应了实际工程应用的需求。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.084 seconds)
